Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Environment
Click here for the English version

Environment

Watershed Planung innerhalb eines Quantitative Szenarioanalyse Rahmen

Published: July 24, 2016 doi: 10.3791/54095
Automatic Translation
1, 1, 2
1Division of Forestry and Natural Resources, West Virginia University, 2Division of Resource Management, West Virginia University

Summary

Es ist ein kritischer Bedarf an Werkzeugen und Methoden verwalten kann Wassersysteme angesichts der ungewissen Zukunft Bedingungen. Wir bieten Methoden für eine gezielte watershed Beurteilung durchzuführen, die Landschaft basierenden kumulativen Effekte Modelle für den Einsatz in einem Szenario-Analyse-Management-Framework zu produzieren Ressourcenmanager ermöglicht.

Abstract

Es besteht ein kritischer Bedarf an Werkzeugen und Methoden der Lage, die Verwaltung von Wassersystemen in stark beeinflusst watersheds. Die derzeitigen Bemühungen fallen oft kurz als Folge der Unfähigkeit, komplexe kumulativen Auswirkungen der aktuellen und zukünftigen Landnutzungsszenarien an relevanten räumlichen Skalen zu quantifizieren und vorherzusagen. Das Ziel dieses Manuskript ist es, Verfahren zur Verfügung zu stellen, um eine gezielte watershed Beurteilung durchzuführen, die Landschaft basierenden kumulativen Effekte Modelle für den Einsatz in einem Szenario-Analyse-Management-Framework zu produzieren Ressourcenmanager ermöglicht. Seiten werden zunächst für die Aufnahme in den Wendepunkt Beurteilung ausgewählt von Websites zu identifizieren, die entlang unabhängiger Steigungen und Kombinationen von bekannten Stressoren fallen. Feld- und Labortechniken werden dann zur Gewinnung von Daten über die physikalischen, chemischen und biologischen Wirkungen von mehreren Landnutzungsaktivitäten genutzt. Multiple lineare Regressionsanalyse wird dann verwendet, für die Landschaftsbasierte kumulativen Effekte Modelle zu produzieren aqua die Vorhersagetic Bedingungen. Schließlich Methoden innerhalb einer Szenarioanalyse Rahmen kumulativen Effekte Modelle mit für das Management und regulatorische Entscheidungen führen (zB Genehmigungen und Mitigation) innerhalb aktiv an der Entwicklung Wasserscheiden sind für zwei Unterwasserscheiden im Bergbergbauregion zentralen Appalachen diskutiert und demonstriert. Der Wendepunkt Bewertung und das Management Ansatz ermöglicht Ressource hier zur Verfügung gestellten Manager wirtschaftlichen und Entwicklungstätigkeit zu erleichtern, während Wasserressourcen zu schützen und die Möglichkeit für die Netto-ökologische Vorteile durch gezielte Sanierung zu erzeugen.

Introduction

Vom Menschen verursachte Veränderung natürlicher Landschaften gehört zu den größten aktuellen Bedrohungen für aquatische Ökosysteme auf der ganzen Welt ein. In vielen Regionen weiterhin Abbau bei aktuellen Kursen, die zu irreparablen Schäden an Wasserressourcen führen, die Begrenzung letztlich ihre Fähigkeit, von unschätzbarem Wert und unersetzlich Ökosystemdienstleistungen zur Verfügung zu stellen. Somit besteht ein kritischer Bedarf an Werkzeugen und Methoden verwalten kann Wassersystemen in der Entwicklung watersheds 2-3. Dies ist besonders wichtig, da Manager mit Erhaltung der Wasserressourcen angesichts der sozio-ökonomischen und politischen Druck oft damit beauftragt werden Entwicklungsaktivitäten fortzusetzen.

Management von Wassersystemen innerhalb aktiv an der Entwicklung Regionen erfordert die Fähigkeit , im Rahmen der bereits bestehenden natürlichen und anthropogenen Landschaft Attribute 3, 4. Eine große Herausforderung wahrscheinlichen Auswirkungen der vorgeschlagenen Entwicklungsaktivitäten zur Vorhersage zu AquaTic Ressourcenmanagement innerhalb stark degradierten Wasserscheiden ist die Fähigkeit , zu quantifizieren und zu komplex (dh additive oder interaktiv) kumulative Effekte von mehreren Landnutzung Stressoren bei relevanten räumlichen Skalen 2, 5. Trotz der aktuellen Herausforderungen verwalten, jedoch werden die kumulierten Effekte Einschätzungen in mitverarbeitet regulatorischen Vorgaben in der ganzen Welt 5-6.

Gezielte Wasserscheide Assessments entwickelt , das gesamte Spektrum der Bedingungen in Bezug auf mehrere Landnutzung Stressoren zu probieren können Daten produziert werden können , Modellierung komplexer kumulativen Effekte 7. Darüber hinaus sind solche Modelle innerhalb einer Szenarioanalyse Rahmen [Vorhersage von ökologischen Veränderungen unter einer Reihe von realistischen oder vorgeschlagene Entwicklung oder Watershed Management (Wiederherstellung und Mitigation) Szenarien] Einbeziehung hat das Potenzial, stark Wasserressourcenmanagement verbessern innerhalb stark betroffen Wasserscheiden 3, 5, 8 -9. Vor allem Szenarioanalyse liefertein Rahmen für die Objektivität und Transparenz zu Management - Entscheidungen Zugabe von wissenschaftlichen Informationen (ökologische Beziehungen und statistische Modelle), Regulierungsziele und Stakeholder - Einbeziehung muss in einer einzigen Entscheidungsrahmen 3, 9.

Wir stellen eine Methode zur Bewertung und kumulativen Auswirkungen verschiedener Landnutzungsaktivitäten innerhalb einer Szenarioanalyse Rahmen zu verwalten. Wir beschreiben zunächst, wie in geeigneter Stellen innerhalb der Wendepunkt Beurteilung für die Aufnahme zum Ziel basierend auf bekannten Landnutzung Stressoren. Wir beschreiben Feld- und Labortechniken für Daten über die ökologischen Auswirkungen verschiedener Landnutzungsaktivitäten zu erhalten. Wir beschreiben kurz Modellierungstechniken zur Herstellung von Landschaft basierten kumulativen Effekte Modelle. Schließlich diskutieren wir , wie in einem Szenario - Analyse - Framework und zeigen die Nützlichkeit dieser Methodik bei der Unterstützung von Regulierungsentscheidungen (zB Genehmigungen und Rest kumulative Effekte Modelle zu integrierenoration) innerhalb einer intensiv abgebaut Wendepunkt in der südlichen West Virginia.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Ziel Seiten für die Aufnahme in Watershed Bewertung

  1. Identifizieren Sie die dominierende Landnutzungsaktivitäten innerhalb des Ziel - 8-stellige hydrologische Einheit Code (HUC) Wendepunkt, die drei physikalisch - chemischen und biologischen Zustand auswirken, 7.
    Hinweis: Diese Methode geht davon aus bereits vorhandenen Wissen über wichtige Stressoren innerhalb der Wendepunkt des Interesses. Allerdings Beratung Aufsichtsbehörden oder Watershed Gruppen vertraut mit dem System kann bei diesen Bemühungen unterstützen.
  2. Wählen Landschaft basierte Maßnahmen dominanter Landnutzung [zB 2011 National Land Cover Datenbank (NLCD)] 3, 7.
    1. Consult veröffentlichten Literatur zu helfen , für jeden Landnutzungs Aktivität 10 die besten Landschaft basierte Maßnahmen zu identifizieren. Kontakt natürlichen Ressourcen Agenturen zu identifizieren und zu erhalten, regionsspezifische Landschaft Datensätze, die für die Verwendung zur Verfügung stehen. Jedoch kann es notwendig sein, neue Landschafts Variablen oder Datensätzen zu erstellen.
  3. Tabellarisieren Bodenbedeckung und die Verwendung Attribute den 1: 24.000 oder 1: 100.000 nationale Hydrographie-Datensatz (NHD) Einzugsgebiete mit Geographic Information (GIS) Software.
    1. Stellen Sie sicher, jeder 1: 24.000 oder 1: 100.000 Einzugs eine eindeutige Kennung hat. Verwenden Sie einen beliebigen benutzerdefinierten numerischen oder kategorische Kennung als eindeutige Kennung.
    2. Tabellieren Vektordaten (beispielsweise Punkte oder Linien) in jedem Einzugsgebiet fallen.
      1. Fassen Sie alle Vektorfunktionen in jedem Einzugsgebiet der Tabellarische Überschneidung Werkzeug innerhalb des Statistik - Toolset der Analysis Toolbox. Wählen Sie die NHD Einzugsschicht als Eingangszone Eigenschaft, die Einzugs eindeutige Kennung als Zone Feld, und der Vektordatensatz von Interesse, wie die Eingabe-Feature-Class.
      2. An der tabellarischen Landschaft zum Einzugsschicht Attribute. Rechtsklick auf die Einzugsgebiete Schicht in dem Inhaltsverzeichnis und wählen Sie Verbindungen und Beziehungen aus dem Dropdown - Menü und kommen aus den subsequent Menü. Wählen Sie die eindeutige Kennung als das Feld, das die Verbindung wird auf der Grundlage sein, die Ausgabetabelle von 1.3.2.1 als die Tabelle zu verbinden, und die eindeutige Kennung als das Feld in der Tabelle, die die Join wird beruhen.
    3. Tabellarisieren Rasterdaten der Tabellarische Werkzeug Bereich innerhalb des Zonal Toolset des Spatial Analyst Toolbox befindet verwenden.
      1. Laden Sie die Erweiterung Spatial Analyst. Wählen Sie Erweiterungen im Menü Anpassen. Im Dialogfeld Erweiterungen, markieren Sie das Kästchen, die auf die Erweiterung Spatial Analyst entspricht.
      2. Im Tabellarische Bereich Dialogfeld wählen Sie das NHD Einzugs Shape - Datei als Eingabe - Raster oder Feature - Zonendaten, die eindeutige Kennung (zB FeatureID) als Zonenfeld, und der Bodenbedeckung Datensatz (zB NLCD) als Eingabe - Raster oder Feature Klassendaten.
      3. An der tabellarischen Landschaft Attribute Einzugsschicht folgende Protokolle in Schritt 1.3.2.2, mit der tabulateBereich Ergebnistabelle wie die Tabelle verbinden.
  4. Accumulate Landschaft Attribute für alle NHD Einzugsgebiete.
    1. Laden Sie die NHDPlusV2 Einzugs Attribut Allocation and Accumulation Tool (CA3TV2) bei http://www2.epa.gov/waterdata/nhdplus-tools. Verwenden Sie die Summenfunktion der CA3TV2 für die Akkumulation von Attributen für 1: 100.000 NHD Einzugsgebiete 11.
      Hinweis: Wir haben eigens geschriebenen Code, der Landschaft sammelt Attribute für 1: 24,000 Skala NHD 12 watersheds. Detaillierte Anleitungen zur Verwendung von CA3TV2 werden in das Werkzeug integriert und kann über die Hilfe - Funktion zugegriffen werden.
  5. Wählen Sie NHD Einzugsgebiete als Studienzentren basierend auf akkumulierten Landschaft Attribute.
    1. Erstellen Sie ein Streudiagramm aller NHD Einzugsgebiete in Bezug auf kumulierter Werte der wichtigsten Landnutzungsaktivitäten (Abbildung 1A).
    2. Wählen Sie Prüfzentren (ca. 40 Stellen pro 8-stellige HUC Wendepunkt) zu repräsentieren die volle range des Einflusses von dominanten Landnutzung innerhalb der Zielwendepunkt gefunden (Abbildung 1B). Wählen Sie Seiten innerhalb unabhängigen Stressor Gradienten (dh durch eine einzige Landnutzung Aktivität beeinflusst) und Stressor Kombinationen (dh beeinflusst durch mehrere Landnutzung) (Abbildung 1B).
    3. Stellen Sie sicher, dass die Studienzentren räumlich über die Zielwendepunkt verteilt sind und unabhängig voneinander in Bezug auf die stromab gelegene Drainage. Stellen Sie sicher, dass Websites innerhalb jedes einzelnen und kombinierten Stressor Gradienten fallen auch ähnliche durchschnittliche Einzugsgebiete haben.

Abbildung 1
Abbildung 1. Hypothetische Streudiagramm von NHD Einzugsgebieten in Bezug auf Einfluss von 2 Landnutzung. Magnitude des Einflusses von 2 Landnutzung in allen NHD Einzugsgebiete innerhalb der hypothetischen watershed (n = 4,229) (A). Ausgewählte Studienorte (n = 40), die das gesamte Spektrum der beobachteten Bedingungen innerhalb der Wendepunkt in Bezug auf unabhängige und kombiniert Stressor Gradienten (B) dar. Bitte klicken Sie hier , um eine größere Version dieser Figur sehen.

2. Feldprotokolle für Sammlung von physikalisch-chemischen und biologischen Daten

Hinweis: Alle Daten für jeden Standort sollten im selben Ort-Besuch bei normalen Basisströmungsbedingungen gesammelt werden. Protokolle hier Standard - Betriebsverfahren für die West Virginia Department of Environmental Protection (WVDEP) 13 repräsentieren dargestellt. Es kann sinnvoller sein Zustand zu verwenden oder eidgenössisch anerkannte Verfahren für die spezifische Wendepunkt bewertet.

  1. Delineate die Sampling-Reichweite für jeden Standort als 40 × aktive Kanalbreite (ACW), mit maximalen und minimalen Längen von 150 und300 m 3, 7.
  2. Messwasserqualitätsmerkmale von Standorten mit Wasser bewegt , die von der Stelle gesamten Probenahme charakteristisch sind (zB nicht direkt von Zufluss oder Abflussrohreingänge beeinflusst).
    1. Erhalten momentane Maßnahmen von gelöstem Sauerstoff, spezifische Leitfähigkeit, Temperatur und pH unter Verwendung von Handsensoren. Kalibrieren Sensoren vor jedem Abtastereignisses gemäß Herstellerangabe.
    2. Rinse Filteranlagen mit entsalztem Wasser vor der Wasserprobenentnahme.
    3. Filter 250 ml Wasser (gemischte Celluloseester-Membranfilter, 0,45 um Porengrße) für die Analyse von gelösten Metallen. Korrektur auf ein pH <2, um sicherzustellen, Metalle in Lösung gelöst bleiben.
      Hinweis: Die richtige Volumen der Säure kann in die Wasserprobe folgende Beispielsammlung hinzugefügt werden. Alternativ kann das richtige Volumen vor dem Abtastereignis zu der Flasche zugegeben werden. Die Lautstärke auf einen pH-Wert zu fixieren erforderlich <2 ist abhängig von der Säurestärke.
      1. Für die Studie hier beschrieben, eine einzelne gefilterte Probe von jedem Standort und fixieren mit Salpetersäure zur Bestimmung von gelöstem Al, Ca, Fe, Mg, Mn, Na, Zn, K, Ba, Cd, Cr, Ni sammeln und Se 3 , 7.
        Hinweis: Die Auswahl von Analyten sollte durch Watershed spezifische Landnutzung geführt werden.
    4. Sammeln Sie 250 ml ungefilterte Probe (n) durch die Probe vollständig Flasche in der Wassersäule eingetaucht. Sie vorsichtig die Flasche drücken verbliebene Luft zu tilgen und gleichzeitig die Kappe auf dem Probenflasche platzieren. Fixieren den Probe (n) auf einen pH <2 , wenn nötig (beispielsweise verhindern , dass die biologische Aktivität von Nährstoffen zu beeinflussen).
      1. Für die Studie hier beschrieben, sammeln zwei ungefilterte Proben von jedem Standort. Befestigen Sie das erste mit Schwefelsäure zur Bestimmung von NO 2 und NO 3 und insgesamt P. Sie nicht die zweite ungefilterte Probe fixieren und verwenden es insgesamt und Bicarbonatalkalinität , um zu bestimmen, Cl, SO 4 und insgesamt gelöst , so3 Deckel, 7.
        Hinweis: Die Auswahl von Analyten sollte durch Watershed spezifische Landnutzung geführt werden.
    5. Besorgen Sie sich ein Feld leer für jedes Fixiermittel während jeder Abtastereignisses verwendet. Erhalten Feld Zuschnitte durch folgenden alle Protokolle für die Probenentnahme (dh, Spülen, Filterung, Fixieren) VE - Wasser als letzte Probe verwendet wird .
      Hinweis: Feld Rohlinge verwendet Kontamination bei der Probenentnahme und Analyse zu identifizieren.
    6. Speichern Sie alle Wasserproben bei 4 ° C, bis alle Analysen abgeschlossen sind. Sicherstellen , dass alle Analyten innerhalb ihrer vorgegebenen Haltezeit 14 gemessen werden.
  3. Messen Sie Entladung bei jeder Probe Ort.
    1. Teilen Sie die benetzten Strombreite in gleich große Schritten.
    2. Messung der Tiefe und mittlere Stromgeschwindigkeit am mittleren Punkt jedes Abschnitts.
      1. Mit einem Tiefenmesser Stab messen Tiefe wie der Abstand von dem Bachbett auf der Oberfläche des Wassers.
      2. Mit Hilfe eines current-Meter, Wassergeschwindigkeit bei 60% Wassertiefe zu messen.
    3. Berechnen Entladungs ​​als Summe des Produkts der Geschwindigkeit, Tiefe und Breite in allen Abschnitten.
  4. Probieren Sie die Makroinvertebraten Gemeinschaft an jedem Standort.
    1. Erhalten Kick Proben (netto Abmessungen 335 × 508 mm 2 mit 500 um Mesh) aus 4 getrennten repräsentativen riffles über die gesamte Länge der Probenahme Reichweite verteilt.
      1. Bei jedem Tritt Lage, legen Sie den Kick Netto senkrecht Strömung zu streamen und 0,50 × 0,50 m 2 (dh 0,25 m 2) Fläche des Bachbett unmittelbar vor stören. Sicherstellen, dass alle Organismen und Schmutz fließen stromabwärts in den Kick Netz.
      2. Kombinieren Organismen und Schmutz aus den 4 Kick - Proben in einem einzigen Mischprobe ( das entspricht 1,00 m 2 des Bachbett) und sofort mit 95% Ethanol erhalten.
  5. Messen Sie physischen Habitatqualitätund die Komplexität in der gesamten Strom zu erreichen.
    1. Die Messungen der Wassertiefe, hydraulische Kanal-Gerätetyp, Sediment-Klasse, und die Entfernung zum Fisch Abdeckgegenstand bei gleichmäßig verteilten Punkten entlang der Talweg (Teil des Stroms, durch den die Haupt- oder die meisten schnelle Strömung auftritt). Messen Sie alle 1 ACW für Ströme <5 m breit und alle 0,5 ACW für Ströme> 5 m Breite 15.
      1. Klassifizieren Sie die Kanaleinheit , in dem jeder Talweg Lage befindet (zB Riffel, laufen, auf den Pool oder gleiten) 16.
      2. Mit einem Tiefenmesser Stab messen Tiefe wie der Abstand von dem Bachbett auf der Oberfläche des Wassers.
      3. Identifizieren Randomly ein Stück von Sedimenten und bestimmen seine Wentworth Größenklassifizierung (Schluff, Sand, Kies, Kopfsteinpflaster, Felsblock) 17.
      4. Schätzen Sie den Abstand von jedem Talweg Punkt zum nächsten Abdeckgegenstand.
        Hinweis: Fisch Abdeckung wird als jede Struktur im aktiven Kanal definiert der Lage, einen 20,3 verbergen2 cm (8 Zoll) Fisch 18.
    2. Zählen Sie alle Stücke von großen Totholz im aktiven Kanal.
    3. Schätzung Habitatqualität mit US Environmental Protection Agency (EPA) schnelle visuelle Lebensraum Assessments (RVHA) Protokolle 19.
  6. Erhalten Sie doppelte Messungen und Proben von einer zufällig ausgewählten 10% der Studienzentren. Doppelte Maßnahmen verwendet werden, Probenahme und Laboranalyse Präzision zu schätzen.

3. Laborprotokolle für physikalisch-chemische und biologische Daten

Hinweis: Die Beschreibung Laborprotokolle zur Quantifizierung der Wasserchemie Attribute außerhalb des Geltungsbereichs dieses Manuskripts ist. Allerdings verwendet die aktuelle Studie chemische Standardverfahren für Wasser und Abfall 14.

  1. Subsample Organismen innerhalb jeder Makroinvertebraten Probe enthielt (von Protokollen in Abschnitt 2.4 verwendet wird) an jedem Standort einen repräsentativen Teilstichprobe von der Makroinvertebraten Gemeinschaft zu erhalten.
    1. Platzieren Sie den gesamten Verbund Makroinvertebraten Probe in eine 100 in 2 Gridded Sortierung (5 × 20 2 Messung). Jedes 1 in 2 Raster eine Zahl von 1 bis 100 zufällig zuweisen.
    2. Verwenden Sie ein Stereo - Mikroskop zu zählen und zu identifizieren alle Organismen innerhalb zufällig ausgewählten 1 in 2 Gitter , bis die Gesamtzahl der sortierten Personen beträgt 200 ± 20%. Identifizieren Organismen unter Verwendung Makroinvertebraten Schlüssel zur Gattung, wie sie veröffentlicht von Merritt und Cummins 20.
    3. Kompilieren Gattung Ebene Fülle von Daten in Community - Messdaten [zB Gesamt Reichtum und% Ephemeroptera, Plecoptera und Trichoptera (EPT)] für die Verwendung als Reaktionsvariablen in statistischen Modellen und nachfolgende Szenarioanalyse 3, 7.

4. Statistische und Szenarioanalyse

  1. Konstruieren Sie verallgemeinerten linearen Modelle zur Vorhersage von In-Stream-physikalischen, chemischen und biologischen Bedingungen von Landschaft basierten indicators dominanter Landnutzung.
    Hinweis: Protokolle und Analysen wurden in der R Sprache und Umgebung für statistische Berechnungen (Version 3.2.1) 21 durchgeführt.
    1. Test zur Normalität mit Shapiro-Wilk [shaprio.test () Funktion in R - Paket - Statistik 21] Tests und Variablen umwandeln Annahmen parametrischer Analysen zu treffen und linearisieren Beziehungen.
    2. Fit anfängliche maximale Modelle an 2-Wege - Interaktion zwischen allen Landnutzung Prädiktoren [GLM () Funktion in R - Paket - Statistik 21].
    3. Tragen Sie eine rückwärts Streichung des Mindest adäquates Modell 3, 7, 22 zu identifizieren.
      1. Identifizieren Sie die am wenigsten signifikanten (dh, erklärt die geringste Menge an Variation) variabel in der maximalen Modell [Zusammenfassung () Funktion in R - Paket - Statistik 21] und passen ein neues Modell mit dieser Variablen ausgeschlossen [GLM () Funktion in R - Paket - Statistik 21] .
      2. Weiter Variablen Entfernenbis alle verbleibenden Prädiktoren sind signifikant verschieden von 0 und Erklärungskraft nicht für jede Antwortvariable Analyse von Devianz Tabellen und Likelihood Ratio Tests [lrtest () Funktion in R Paket lmtest 23] signifikant von dem maximalen Modell unterscheidet.
  2. Predict aktuellen Bedingungen.
    1. Verwenden endgültigen Modelle physikalisch - chemischen und biologischen Zustand angesichts der aktuellen Landschaftsmerkmale in allen un-abgetastete NHD Einzugsgebiete in der gesamten Ziel watershed vorherzusagen [vorhersagen () Funktion in R - Paket - Statistik 21].
    2. Visualisieren Sie die Prognosen in GIS-Software.
      1. Registriert Prognosen NHD Einzugsgebieten. Rechtsklick auf die Einzugsgebiete Schicht in dem Inhaltsverzeichnis und wählen Sie Verbindungen und Beziehungen aus dem Dropdown - Menü und Mitglied im angezeigten Menü. Wählen Sie die eindeutige Kennung als das Feld, das die Verbindung wird auf der Grundlage sein, die Datei mit den Vorhersagen, wie die Tabelle zu verbindendenUnd die eindeutige Kennung als das Feld in der Tabelle, die auf der Grundlage beitreten
      2. Rechtsklick auf die Einzugsgebiete Ebene , und wählen Sie Eigenschaften. Im Dialogfeld Ebeneneigenschaften, klicken Sie auf die Registerkarte Symbologie , und wählen Sie Mengen. Wählen Sie den vorhergesagten Wert von Interesse , da das Feld Wert und klicken Sie auf Übernehmen.
        Hinweis: Bereichswerte können manuell die Classify Taste anzupassen anerkannt ökologischen Kriterien geändert werden.
  3. Conduct Szenarioanalysen in Wasserbedingungen unter verschiedenen Landnutzungsszenarien prognostizierten Veränderungen zu vergleichen.
    1. Aktualisieren Sie die aktuelle Landschaft Dataset plausible zukünftige Entwicklung oder Milderung Szenarien zu simulieren. Für die Studie hier beschrieben, manuell Landschaftswerte für das Einzugs von Interesse innerhalb der Attributtabelle akkumulierten Update (zB ändern 10 Morgen zu Bergbau Bodenbedeckung bewaldet).
      1. Wählen Sie das Einzugsgebiet von interest die Auswahl nach Attribut - Funktion in der Auswahl befindet sich im Dropdown - Menü. Wählen Sie im Dialogfeld durch Attribute, die NHD Einzugsgebiete als Layer wählen. Klicken Sie doppelt auf die eindeutige Kennung Attribut, wählen Sie = und dann für das Einzugs von Interesse in der Gleichung Feld die Kennung eingeben.
      2. Öffnen Sie das NHD Einzugsattributtabelle nach rechts , um die Einzugsgebiete Schicht im Inhaltsverzeichnis klicken und Attributtabelle öffnen aus dem Dropdown - Menü auswählen. Wählen Sie nur ausgewählte Einzugsgebiete zu zeigen.
      3. Mit nur ausgewählten Einzugsgebieten zeigt, klicken Sie rechts auf die Spalte von Interesse und wählen Feldberechnung und geben Sie den neuen simulierten Wert. Hinweis: Mehrere Einzugsgebieten geändert werden kann, mehrere räumlich explizite Entwicklung oder Management-Aktivitäten auftreten, in großen räumlichen Skalen zu simulieren.
        Hinweis: Alternativ ursprünglichen Vektor- und Rasterdatenmengen können durch die Digitalisierung neue Funktionen oder zu verändern und Entfernen von Original fe aktualisiert werdenatures neue Auswirkung 24 Landnutzung Tätigkeit oder der Leitung eines bereits bestehenden Landnutzung simuliert werden . Dies kann der Editor - Symbolleiste erreicht werden.
    2. Neuzuweisung und Re-Accumulate Landschaft Attribute für alle NHD Einzugsgebiete in Schritten 1,3-1,4 vorgestellt Protokolle.
    3. Predict physikalisch - chemischen und biologischen Zustand als Funktion der aktualisierten Landschaft - Datensatz [vorhersagen () Funktion in R - Paket - Statistik 21].
    4. Visualize vorhergesagten Bedingungen, unter Szenarien Verwendung alternativer Land unter Verwendung der in Schritt 4.2.2 vorgestellt Protokolle.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Forty 1: 24.000 NHD Einzugsgebiete wurden als Studienzentren innerhalb des Coal River, West Virginia (Abbildung 2) ausgewählt. Studienzentren wurden ausgewählt , um einen Bereich Einfluss von Tagebau zu überspannen (% Landfläche 24), Wohn - Entwicklung [Strukturdichte (no./km 2)] und Untertagebau [nationalen Verschmutzung Entlastung Beseitigung System (NPDES) erlauben Dichte (Nr. / km 2)] , so dass jede Aktivität wichtige Landnutzung sowohl in Isolation und in Kombination so weit wie möglich (Abbildung 3) aufgetreten ist . An jedem Standort zu physikalisch-chemischen Bedingungen und Makroinvertebraten Gemeinschaftsstruktur wurden gesammelt.

In einer früheren Studie wurden diese Daten verwendeten Modelle kumulativen Effekte zu konstruieren , für die Vorhersage von West Virginia Stream - Condition Index (WVSCI), ein familien Ebene Multi-Metrik-Index der biotischen Integrität entwickelt für West Virginia 25Und spezifische Leitfähigkeit mit einem hohen Maß an Präzision und Genauigkeit 7. Hier werden diese Modelle für zwei Unterwasserscheiden des Coal River [Drawdy Creek (4A) und Laurel Fork (4B)] unter verschiedenen Landnutzungsentwicklungsszenarien aktuelle und zukünftige Bedingungen vorherzusagen. Drawdy Creek und Laurel Fork nahezu identische Ebenen der Tagebau und% Entwicklung (Tabelle 1). Allerdings ist Drawdy Creek von Wohnstrukturen und Untertagebau beeinflusst, während Laurel Fork ist es nicht. Folglich bieten diese beiden Wasserscheiden eine einzigartige Gelegenheit, zu bewerten und zu vergleichen, inwieweit die kumulativen Auswirkungen von mehreren Landnutzung aktuellen Wasserbedingungen zu steuern und die Ergebnisse zukünftiger Landnutzung Entwicklungsszenarien.

Laurel Fork wurde nicht vorhergesagt zu überschreiten chemische (spezifische Leitfähigkeit> 500 & mgr; S / cm 26) oder Biolog schen Kriterien (WVSCI <68 25), was darauf hindeutet , es ohne zu riskieren , Beeinträchtigung (Tabelle 1) zusätzliche Landnutzung Tätigkeit aufnehmen kann. Eine Reihe von Szenarien wurden dann bewertet die maximale Menge an zusätzlichen Tagebau, Untertagebau zu quantifizieren und Wohnentwicklung Laurel Fork kann wahrscheinlich assimilieren vor seinem Abfluss jedes Kriterium kreuzt. Um dies zu tun, spezifische Leitfähigkeit und WVSCI wurden unter den gesamten Bereich der jeweiligen Landnutzungs Aktivität vorhergesagt, während die anderen Landschaft Metriken konstant gehalten werden. Die Szenarioanalyse legt nahe Laurel Fork 14% aufnehmen kann (25% gesamt) und 21% (32% gesamt) erhöht in Tagebau landet vor der Überquerung der spezifischen Leitfähigkeit und WVSCI Kriterien, bzw. (5A, 5B). Laurel Fork können auch 8 unterirdische Mine NPDES erlaubt assimilieren und 22 Wohnstrukturen vor der spezifischen Leitfähigkeit und WVSCI Kriterien überqueren, bzw. (5A, 5B).

ontent "fo: keep-together.within-page =" 1 "> Im Gegensatz dazu wird der Abfluss von Drawdy Creek vorhergesagt sowohl die chemischen und biologischen Kriterien zu überschreiten, eine Unfähigkeit, was darauf hindeutet, zusätzliche Landnutzung Entwicklung zu assimilieren, ohne zunächst mildernde Wirkung von aktuelle Stressoren (Tabelle 1). Folglich Minderungsszenarien, die die Gesamteffektgröße von bereits bestehenden Landnutzungsaktivitäten wurden (zB eine 10% ige Reduktion der Wirkung von 100 Strukturen äquivalent wäre zu 90 Strukturen) reduzieren simuliert. Voll die Milderung Wirkung von Wohnentwicklung und Untertagebau nicht in einem entsprechenden Anstieg in WVSCI oben 68 oder Abnahme der spezifischen Leitfähigkeit unterhalb der 500 & mgr; S / cm Kriterium (6A, 6B) führte. jedoch wurde der Abfluss von Drawdy Creek vorhergesagt einen WVSCI überschreitet Score von 68 und eine Abnahme von weniger als 500 & mgr; S / cm bei gleichzeitiger Reduktion der beiden Wohnentwicklung und Untertagebau einer 94 und 75% betragen. < / P>

Figur 2
Abbildung 2. Karte des Einzugsgebietes Coal River. Der Coal River Einzugsgebiet ist in Bezug auf seine Position innerhalb West Virginia gezeigt. Standorte der Studienzentren (n = 40) und Laurel Fork und Drawdy Creek Unterwasserscheiden werden ebenfalls vorgestellt. Bitte hier klicken , um eine größere Version dieser Figur zu sehen.

Figur 3
Abbildung 3. Coal River Prüfzentren. Magnitude von Tagebau und Wohnentwicklung für ausgewählte Studienzentren (n = 40) innerhalb unabhängigen Stressor Steigungen und deren Kombination. Symbolgröße ist in Bezug auf die Anzahl der Untertagebau nationalen Verschmutzung Entlastung Beseitigung System (NPDES) zulässt.TGP: //www.jove.com/files/ftp_upload/54095/54095fig3large.jpg "target =" _ blank "> Bitte hier klicken, um eine größere Version dieser Figur zu sehen.

Abbildung 4
Abbildung 4. Karten zur Landnutzung innerhalb Drawdy Creek (A) und Laurel Fork (B). Diese Wasserscheiden repräsentieren Muster der Landnutzung Geographie typisch während des MTR-VF - Region. Wohnbebauung [Bodenbedeckung (wie von der NLCD definiert) und Strukturen] und im Bergbau (Untertagebau NPDES Genehmigungen und Tagebau Umfang) Landnutzung dargestellt. Zusätzliche un-abgebauten Genehmigungen in Szenarioanalyse verwendet werden, gezeigt. Siehe Abbildung 2 für Wende Lage in West Virginia. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.


Abbildung 5. Beispielszenario Analyseergebnisse der Vorhersage In-Stream - Reaktion auf simulierte Landnutzungsentwicklung in Laurel Fork. Prognostizierte WVSCI Noten folgende simulierte Erhöhungen der Tagebau - und Siedlungsentwicklung (A) und die vorhergesagte spezifische Leitfähigkeit folgende simulierte Erhöhungen im Tagebau und Untertagebau ( B) innerhalb des Laurel Fork Wasserscheide. Horizontale Linien repräsentieren WVSCI (68) und spezifische Leitfähigkeit (500 & mgr; S / cm) Kriterien. Vertikale Linien stellen zusätzliche Ebenen des Bergbaus in Überquerung der einzelnen Kriterien ergibt. Einheiten für die x-Achse variieren in Abhängigkeit von der Landschaft unter jedem Szenario geändert Attribute und entsprechen Einheiten in der Legende angegeben. Bitte hier klicken , um eine größere Version dieser Figur zu sehen.


Abbildung 6. Beispielszenario Analyseergebnisse In-Stream - Reaktion auf simulierte Minderungsaktivitäten innerhalb Drawdy Creek vorherzusagen. Prognostizierte WVSCI Scores (A) und spezifische Leitfähigkeit (B) folgende simulierte Abnahme der Effektgröße der bestehenden Wohnbebauung und Untertagebau sind. Prognostizierte Bedingungen nach gleichzeitiger Verringerung der Effektgröße von sowohl Wohn-Entwicklung und Untertagebau sind auch für jede Reaktion gezeigt. Horizontale Linien repräsentieren WVSCI (68) und spezifische Leitfähigkeit (500 & mgr; S / cm) Kriterien. Vertikale Linien zeigen Minderungsaktivitäten , was zu Verbesserungen über die einzelnen Kriterien. Bitte hier klicken , um eine größere Version dieser Figur zu sehen.

Aktuelle Landschaft
Drawdy Creek Laurel Fork
Landnutzungseigenschaften
Surface Mining (%) 10.7 10.9
Untertagebau (# NPDES erlaubt) 9 0
Entwicklung (%) 4.1 4.8
Strukturdichte (#) 470 0
beobachtete Bedingungen
Spezifische Leitfähigkeit (uS / cm) 686 156
WVSCI 65 68,8
Prognostizierte Bedingungen
Spezifische Leitfähigkeit (uS / cm) 831 279
WVSCI 60,9 73.1

Tabelle 1. Eigenschaften Landschaft und beobachteten und vorhergesagten Wasserbedingungen für Drawdy Creek und Laurel Fork. Landnutzung Merkmale (Tagebau, Untertagebau und Wohnentwicklung) und vorhergesagten chemischen und biologischen Bedingungen für Drawdy Creek und Laurel Fork unter aktuellen Landschaft Bedingungen und die weitere Bergbau-Szenario.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Wir bieten einen Rahmen für die Bewertung und in stark betroffen Wasserscheiden kumulativen Auswirkungen mehrerer Landnutzung zu verwalten. Der Ansatz hier beschriebenen Adressen zuvor Einschränkungen bei der Verwaltung Wassersysteme in stark betroffen Wasserscheiden 5-6 assoziiert identifiziert. Vor allem die gezielte watershed Beurteilung Design (dh Probenahme entlang individuellen und kombinierten Stressor - Achsen) erzeugt Daten , die für die Quantifizierung von komplexen kumulativen Wirkungen bei relevanten räumlichen Skalen gut geeignet sind (dh watershed Skala) über leicht interpretierbar und umsetzbaren Modellierungstechniken 3, 7 . Darüber hinaus sind diese Modelle leicht in eine Szenario - Analyse Rahmen integriert, die eine genaue Vorhersage der zukünftigen Verwaltung (zB Sanierung und Mitigation) und Entwicklungsergebnisse ermöglicht. Folglich wird der vorgestellte Ansatz wahrscheinlich der Wert für Wasserressourcenmanager sein, die zunehmend auf Prognose condit verlassenIonen in verschiedenen Szenarien der Landnutzung in Regulierungsentscheidungen zu unterstützen 27.

Der Kontrast zwischen Drawdy Creek und Laurel Fork unterstreicht die Nützlichkeit der dargestellten Rahmen, wenn Wasser die Verwaltung von Systemen innerhalb aktiv an der Entwicklung und sozioökonomisch wichtigen Regionen. Szenarioanalyse vorgeschlagen, dass Laurel Fork, die ausschließlich durch den Tagebau betroffen ist (10,9%), Nutzung Entwicklung zusätzliche Flächen ohne chemische und biologische Kriterien überschreiten assimilieren können. Drawdy Creek, die nicht durch entsprechende Mengen an Tagebau betroffen (10,7%), wird vorhergesagt keines der beiden Kriterien als Folge der kumulativen Effekte Strukturen im Zusammenhang mit den Untertagebau und Wohn erfüllen. Allerdings simulierte Abschwächung der nicht-Tagebau Stressoren (zB unterirdische Mine Abwasser und Wohn Abwasser) verbesserte ökologische Bedingungen, was darauf hindeutet , strategische Management - Aktivitäten konnten Weiterentwicklung ermöglichen auftreten. Folglich ist die vorliegendeed Ansatz ermöglicht es , wirtschaftliche Tätigkeit und Entwicklung zu erleichtern und gleichzeitig auch 28 für Nettoleistungen durch Sanierung anderer Stressoren Gelegenheit zu erzeugen.

Erfolgreiche Identifizierung und Probenahme von dominanten Landnutzung Stressoren ist ein entscheidender Schritt bei der erfolgreichen Methoden hier dargestellten Umsetzung. Es ist auch wichtig, dass die Probenahme und anschließende Datenanalyse auf dem besten basieren zur Verfügung und die meisten up-to-date Landbedeckung und verwenden Informationen. Die zeitliche Übereinstimmung zwischen Landnutzung und In-Stream - Daten helfen genaue statistische Beziehungen gewährleisten und nachfolgende ökologische Prognosen 3, 9. Bei entsprechender durchgeführt, die präsentierten Wasserscheide Begutachtungstechnik erzeugt Daten , die weitgehend unvoreingenommen sind (dh, minimiert Spezifikationsfehler und variable Neigungen weggelassen) und unbeeinflusst von multicollinearity. Folglich werden diese Daten auch für die prädiktive Modellierung geeignet über traditionelle Regressionstechniken.Eine mögliche Einschränkung des aktuellen Ansatz ist jedoch, dass eine starke Fähigkeit, empirisch räumliche Muster vorhersagen nicht die Fähigkeit garantiert Veränderung im Laufe der Zeit zu prognostizieren. Bemerkenswerterweise haben Studien beobachtet Wechselwirkungen zwischen Klima und Landnutzungsänderungen auf physikalisch - chemischen und biologischen Bedingungen 29-31. So Ansätze adaptive Management, die zeitlichen Vorhersagen und Aktualisierung räumliche Vorhersagemodelle testen, wird ein wichtiger Bestandteil des Managements Bemühungen sein. Dies sollte den Klimawandel in statistische Modelle und nachfolgende Szenarioanalysen beinhalten enthält.

Unsere Methodik können auch vorhandene Datensätze zu nutzen , angepasst werden , die nicht Annahmen der traditionellen Regressionstechniken (zB multicollinearity und Probe Unabhängigkeit) erfüllen kann. Die Verwendung von bereits vorhandenen Daten ist vorteilhaft in Situationen, in denen Manager begrenzte Zeit oder Ressourcen haben. Gesteigerte Regression Baum (BRT) Modelle können besonders nützlich sein, wenn eine große Analyse, Bereits bestehende Datensätze , weil sie von multicollinearity weitgehend unbeeinflußt sind, fehlende Daten, statistische Ausreißer und nicht normale Daten 32. Darüber hinaus bietet BRT hohen prognostischen Leistung und hat Dienstprogramm 28 in einer Szenarioanalyse Rahmen unter Beweis gestellt.

Es ist wichtig, den Kontext zu beachten, in dem unsere Methodik entwickelt wurde. Zuerst wurde unser Ansatz für Wasserscheiden entwickelt von klar definierten Flächennutzungs Gradienten aus. Doch klar definierte Landnutzung Steigungen nicht immer auftreten , an der Wendepunkt -Skala (zB Bereiche der Mittleren Westen der Vereinigten Staaten mit wenig Variation in der landwirtschaftlichen Ausmaß). Folglich andere Ansätze zur Erhaltung der Planung, wie risikobasierte Methoden , die Schutzziele basierend auf Risiken von mehreren Landnutzung Rang, kann es sinnvoller sein 33-34. Darüber hinaus wurde unser Ansatz bei der 8-stelligen HUC Wasserscheide Skala entworfen. In einer früheren Studie haben wir festgestellt, dass die Modelle constructed über mehrere 8-stellige HUC Wasserscheiden scheitern watershed spezifische Nuancen zwischen Landnutzung und In-Stream - 7 Bedingungen vorherzusagen. Constructing Modelle in kleineren räumlichen Skalen (zB 12-stellige HUC Wasserscheiden) können Stichprobengröße zu beschränken und die Fähigkeit der Modelle beschränken , um komplexe kumulativen Effekte zu quantifizieren. Allerdings kann unser Ansatz verwendet werden , über räumliche Skalen über ein Haus-Nachbarschaft Rahmen 2 zu verwalten. In diesem Rahmen, Wiederherstellung und Schutz Prioritäten für einzelne Ströme im Rahmen der Umgebungsbedingungen eingestellt. Zum Beispiel Restaurierung Potential steigt mit zunehmender Nachbarschaft Zustand , weil der Leistungen im Zusammenhang mit der Nähe gute Ströme mit (zB hohe Wiederbesiedlungspotential).

Wir bieten und zeigen, Protokolle für die Beurteilung und kumulativen Auswirkungen innerhalb stark betroffen Wasserscheiden zu verwalten. Obwohl die aktuelle Manuskript konzentrierte sich auf Konstruktion und Umsetzungkumulativer Wirkungen Modelle innerhalb einer Szenarioanalyse Rahmen, der nachgewiesenermaßen Wasserscheide Bewertungstechniken Daten produziert werden können , detaillierte Muster der physikalisch - chemischen und biologischen Abbau der Quantifizierung der Ansammlung von 35 in größeren räumlichen Skalen Einsatz Aktivitäten dominant Land. Folglich kann durch das Studiendesign und Probenahmeprotokollen hierin beschrieben erzeugt Datenpotential Management Vorteile, die auch diskutiert über diejenigen erweitern. Vielleicht am wichtigsten ist, ist dieser Rahmen auf andere Wasserscheiden übertragbar gegenüber laufenden Übergänge in einer beliebigen Anzahl von Landnutzung.

Subscription Required. Please recommend JoVE to your librarian.

Acknowledgments

Wir danken den zahlreichen Feld- und Laborhelfer, die in verschiedenen Aspekte dieser Arbeit beteiligt waren, vor allem Donna Hartman, Aaron Maxwell, Eric Miller, und Alison Anderson. Die Finanzierung für diese Studie wurde von der US Geological Survey durch die Unterstützung von US Environmental Protection Agency (EPA) Region III zur Verfügung gestellt. Diese Studie wurde teilweise unter der Wissenschaft entwickelt, um vergeben Ergebnisse Fellowship Assistance Vereinbarungsnummer FP-91766601-0 von der US EPA erzielen. Obwohl die Forschung in diesem Artikel beschrieben wurde von der US-EPA finanziert wurde, ist es nicht auf die erforderlichen Peer und Politik Agentur Überprüfung und deshalb ausgesetzt, nicht notwendigerweise die Ansichten der Agentur widerspiegeln, und keine sollten offizielle Bestätigung zu entnehmen.

Materials

Name Company Catalog Number Comments
Slack Invert Sampling Kit Wildco 3-425-N56
HDPE Square Jars US Plastic Corp 66188 32 oz; for storing fixed, composite invertebrate samples
Ethyl Alcohol 190 Proof PHARMCO-AAPER 111000190 For fixing and storing invertebrate samples
5 in. by 20 in. Macroinvertebrate sub-samplilng grid N/A N/A This item cannot be purchased and must be made in house
Stereomicroscope Stemi 2000 with stand C LED ZEISS 000000-1106-133 For macroinvertebrate sorting and identification
Thermo Scientific Nalgene Reusable Filter Holders with Receiver Fisher Scientific 09-740-23A
Immobilon-NC Transfer Membrane Millipore HATF04700 Triton-free, mixed cellulose exters, 0.45 μm, 47 mm, disc
Actron Vacuum Pump Brake Bleeder Kit Advanced Auto Parts CP7835
Nitric Acid Solution HACH 254049 1:1, 500 ml
Oblong NDPE Wide Mouth Bottles Thomas Scientific 1229Z38 250 ml; for collection of water samples
650 Multi-parameter display, standard memory Fondriest Environmental 650-01
600XL Sonde with temperature/conductivity sensor Fondriest Environmental 065862
pH calibration buffer pack Fondriest Environmental 603824 2 pints each of pH 4, 7, & 10
conductivity standard Fondriest Environmental 065270 1 quart, 1,000 µS
Flo-Mate 2000 TTT Environmental 2000-11
Keson English/Metric Open Reel Fiberglass Tape Forestry Suppliers 40025 300'/100 m
ArcGIS 10.3.1 ESRI

DOWNLOAD MATERIALS LIST

References

  1. Allan, J. D. Landscapes and riverscapes: the influence of land use on stream ecosystems. Annu. Rev. Ecol. Evol. Syst. 35, 257-284 (2004).
  2. Merovich, G. T., Petty, J. T., Strager, M. P., Fulton, J. B. Hierarchical classification of stream condition: a house-neighborhood framework for establishing conservartion priorities in complex riverscapes. Freshwater Science. 32, 874-891 (2013).
  3. Merriam, E. R., Petty, J. T., Strager, M. P., Maxwell, A. E., Ziemkiewicz, P. F. Scenario analysis predicts context-dependent stream response to land use change in a heavily mined central Appalachian watershed. Freshwater Science. 32, 1246-1259 (2013).
  4. Petty, J. T., Fulton, J. B., Strager, M. P., Merovich, G. T., Stiles, J. M., Ziemkiewicz, P. F. Landscape indicators and thresholds of stream ecological impairment in an intensively mined Appalachian watershed. J. N. Am. Benthol. Soc. 29, 1292-1309 (2010).
  5. Seitz, N. E., Westbrook, C. J., Noble, B. F. Bringing science into river systems cumulative effects assessment practice. Environ. Impact Asses. 31, 172-179 (2011).
  6. Duinker, P. N., Greig, L. A. The importance of cumulative effects assessment in Canada: ailments and ideas for redeployment. Environ. Manage. 37, 153-161 (2006).
  7. Merriam, E. R., Petty, J. T., Strager, M. P., Maxwell, A. E., Ziemkiewicz, P. F. Landscape-based cumulative effects models for predicting stream response to mountaintop mining in multistressor Appalachian watersheds. Freshwater Science. 34, 1006-1019 (2015).
  8. Duinker, P. N., Greig, L. A. Scenario analysis in environmental impact assessment: improving explorations of the future. Environ. Impact Asses. 27, 206-219 (2007).
  9. Kepner, W. G., Ramsey, M. M., Brown, E. S., Jarchow, M. E., Dickinson, K. J. M., Mark, A. F. Hydrologic futures: using scenario analysis to evaluate impacts of forecasted land use change on hydrologic services. Ecosphere. 3, 1-25 (2012).
  10. Gergel, S. E., Turner, M. G., Miller, J. R., Melack, J. M., Stanley, E. H. Landscape indicators of human impacts to riverine systems. Aquat. Sci. 64, 118-128 (2002).
  11. McKay, L., Bondelid, T., Dewald, T., Johnston, J., Moore, R., Rea, A. NHDPlus Version 2: User Guide. , (2012).
  12. Strager, M. P., Petty, J. T., Strager, J. M., Barker-Fulton, J. A spatially explicit framework for quantifying downstream hydrologic conditions. J. Environ. Manag. 90, 1854-1861 (2009).
  13. WVDEP (Virginia Department of Environmental Protection). Standard operating proceedures. , West Virgina Department of Environmental Protection. Charleston, West Virginia. (2009).
  14. EPA-60014-79-020. USEPA. Methods for chemical analysis of water and wastes. , Environmental Monitoring Systems Support Laboratory, Office of Research and Development, US Environmental Protection Agency. Cincinnati, Ohio. (1983).
  15. Merriam, E. R., Petty, J. T., Merovich, G. T., Fulton, J. B., Strager, M. P. Additive effects of mining and residential development on stream conditions in a central Appalachian watershed. J. N. Am. Benthol. Soc. 30, 399-418 (2011).
  16. Bisson, P. A., Nielsen, J. L., Palmason, R. A., Grove, L. E. A system of naming habitat types in streams, with examples of habitat utilization by salmonids during low streamflow. Acquisition and utilization of aquatic habitat inventory information. Proceedings of a symposium held 28-30 October, 1981. Armentrout, N. D. , Western Division of the American Fisheries Society. Bathesda, Maryland. 62-73 (1982).
  17. Wentworth, C. K. A scale of grade and class terms for clastic sediments. J. Geol. 30, 377-392 (1922).
  18. Petty, J. T., Freund, J., Lamothe, P., Mazik, P. Quantifying instream habitat in the upper Shavers Fork basin at multiple spatial scales. Proceedings of the Annual Conference of the Southeastern Association of Fisheries and Wildlife Agencies. 55, 81-94 (2001).
  19. Barbour, M. T., Gerritsen, J., Snyder, B. D., Stribling, J. B. EPA/841-B-99-022. Rapid bioassessment protocols for use in streams and wadeable rivers: periphyton, benthic macroinvertebrates, and fish. 2nd edition. , US Environmental Protection Agency. Washington, DC. (1999).
  20. An introduction to the aquatic insects of North America. 4th edition. Merritt, R. W., Cummins, K. W. , Kendall/Hunt Publishing Co. Dubuque, Iowa. (2008).
  21. A language and environment for statistical computing. , R Foundation for Statistical Computing. Vienna, Austria, http://www.R-project.org. Available from: http://www.R-project.org (2014).
  22. Crawley, M. J. Statistics: an introduction using R. , Wiley and Sons. Chichester, UK. (2005).
  23. Zeileis, A., Hothorn, T. Diagnostic Checking in Regression Relationships. R News. 2, 7-10 (2002).
  24. Maxwell, A. E., Strager, M. P., Yuill, C., Petty, J. T., Merriam, E. R., Mazzarella, C. Disturbance mapping and landscape modeling of mountaintop mining using ArcGIS. Proceedings of the ESRI International User Conference. , San Diego, California. (2011).
  25. Gerritsen, J., Burton, J., Barbour, M. T. A stream condition index for West Virginia wadeable streams. , Tetra Tech, Inc. Owings Mills, Maryland. (2000).
  26. Pond, G. J., Passmore, M. E., Borsuk, F. A., Reynolds, L., Rose, C. J. Downstream effects of mountaintop coal mining: comparing biological conditions using family- and genus-level macroinvertebrate bioassessment tools. J. N. Am. Benthol. Soc. 27, 717-737 (2008).
  27. Luo, Y., et al. Ecological forecasting and data assimilation in a data-rich era. Ecol. Appl. 21, 1429-1442 (2011).
  28. Petty, J. T., Strager, M. P., Merriam, E. R., Ziemkiewicz, P. F. Scenario analysis and the Watershed Futures Planner: predicting future aquatic condiditons in an intensively mined Appalachian watershed. Environmental Considerations in Energy Productions. Craynon, J. R. , Society for Mining, Metallurgy, and Exploration. Englewood, CO. 5-19 (2013).
  29. Daraio, J. A., Bales, J. D. Effects of land use and climate change on stream temperature I: daily flow and stream temperature projections. J. Am. Water Resour. As. 50, 1155-1176 (2014).
  30. Mantyka-Pringle, C. S., Martin, T. G., Moffatt, D. B., Linke, S., Rhodes, J. R. Understanding and predicting the combined effects of climate change and land-use change on freshwater macroinvertebrates and fish. J. Appl. Ecol. 51, 572-581 (2014).
  31. Piggott, J. J., Townsend, C. R., Matthaei, C. D. Climate warming and agricultural stressors interact to determine stream macroinvertebrate community dynamics. Glob. Change Biol. 21, 1897-1906 (2015).
  32. Elith, J., Leathwick, J. R., Hastie, T. A working guide to boosted regression trees. J. Anim. Ecol. 77, 802-813 (2008).
  33. Mattson, K. M., Angermeier, P. L. Integrating human impacts and ecological integrity into a risk-based protocol for conservation planning. Environ. Manage. 39, 125-138 (2007).
  34. EPA 841-B-11-002. USEPA. Identifying and protecting healthy watersheds. Concepts, assessments, and management approaches. (US, U. S. E. P. A. , US Environment Protection Agency, Office of Water, Office of Wetlands, Oceans, and Watersheds. Washington, DC. (2012).
  35. Merriam, E. R., Petty, J. T., Strager, M. P., Maxwell, A. E., Ziemkiewicz, P. F. Complex contaminant mixtures in multi-stressor Appalachian riverscapes. Environ. Toxicol. Chem. , (2015).

Tags

Umweltwissenschaften Heft 113 Watershed Einschätzung watershed Modellierung Szenarienanalyse kumulative Effekte Landnutzung Strom Zustand
Watershed Planung innerhalb eines Quantitative Szenarioanalyse Rahmen
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Merriam, E. R., Petty, J. T.,… More

Merriam, E. R., Petty, J. T., Strager, M. P. Watershed Planning within a Quantitative Scenario Analysis Framework. J. Vis. Exp. (113), e54095, doi:10.3791/54095 (2016).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter